類口播講解影片是做什麼的？

一部片子 = 一段配音 + 一堆真實片段 + 一套跟著配音走的講解動畫，全片程式碼渲染（Lemo 頁面），產出 mp4 + srt。

畫面構成（已做樣片的結構參考，視覺風格由每個專案單獨確定）：

約 50% 是「講解框」：前景是跟隨專案風格的講解動畫，背後是模糊播放的真實片段。黑底黃白只是其中一種方案。
其餘是真實片段：全螢幕、卡片層疊、四分螢幕、三張卡。
講「效果差、出錯」的段落用反面樣片（使用者指定的低品質素材）並打紅色「反面示例」角標。
底部字幕全程保留，關鍵詞使用本專案統一強調色；黑底黃白方案中用黃。
音訊：人聲 + 圖示/物理音效。預設不要背景音樂，也不要紙張沙沙聲（使用者明確嫌「擦擦擦」難聽）。

模型協作與執行入口

本技能是製作規範和本地渲染工具集，不自帶 Claude / DeepSeek / GPT 的跨模型 API 排程器；放進 Cherry Studio 不代表三個模型會自動協作。

Claude：整體規劃、審美與製作主責，統一律點結構、分鏡節奏、字體配色；製作和修改分鏡圖並提交使用者確認，使用者確認後負責渲染實現、合片和成片品管。Claude 的自審不能代替使用者確認。
DeepSeek：文案與結構化整理，做口語化、刪贅句、長句拆分、關鍵詞提取、邏輯檢查及 script.json 草稿。事實核驗必須有來源，不能把模型之間的贊同當證據。
GPT：參考畫面分析與出圖，按實際工具能力查看參考影片或帶時間碼的抽幀，提煉分鏡，生成需要的插圖/視覺資產。圖像生成需呼叫真正的出圖工具；不要把模型建議冒充已生成的圖片。
Codex：輔助支援，按使用者指定處理技能維護、資料/檔案整理、工具檢查或技術排障；不預設接管 Claude 的分鏡製作、審閱溝通和渲染實現。
使用者：分鏡最終確認。Claude 提交完整分鏡圖及必要樣張，按使用者意見修改；使用者明確確認目前版本後，才推進正式渲染與後續製作。

這是使用者指定的優先分工，不是模型能力排名，也不要求每個小改動輪轉全部模型。只呼叫目前可用且已獲授權的模型；Claude 不可用時說明缺項、準備交接材料，不自動改由 Codex/GPT 接管其主責，除非使用者另行指定。不能冒充其他模型已審閱。具體交接與 Cherry / Codex 使用方式見模型協作。

視覺基線（每次開工必讀）

先讀視覺規範，再編分鏡和渲染頁：

每個專案先定視覺方向，再統一全片。黑底黃白是可選方案，也可嘗試淺色編輯風、冷調極簡、電影畫面主導等風格；由 Claude 根據主題和參考提出方案，隨分鏡/樣張交使用者確認。目前專案選定後，不隨意混色、混字體或換風格。
黑底黃白方案不混入突兀的藍字；其他方案可有意使用藍色等協調的主色/強調色，不能把特定樣片的問題推廣成所有風格禁藍。紅色僅用於錯誤、禁止、風險或反面示例。
全片鎖定字體組合和字號層級，正文優先清晰的無襯線字體，標題可按風格配一種襯線字體；靠留白、對齊、字重與少量重點形成高級感。
橫版按手機觀看設計：1920×1080 成片中正文、字幕預設 64–72 px；輔助標註可稍小，通常 36–48 px，不能用小標註承擔關鍵解釋。字號以縮放後的實際尺寸為準，文字擁擠時拆句、拆鏡。
故障與閃屏效果預設不用：不主動新增 RGB 錯位、撕裂、三幀亂切、白閃、黑白閃切、快門閉合或整幀抖動。反面樣片正常播放，靠紅色標記和問題區域性說明。
examples/codex-jiangzhi/ 是歷史結構參考，含未統一的配色、關鍵小字、白閃和故障設計；不是目前審美合格模板。新專案複製後必須按選定風格遷移，再出樣張。舊示例的外觀與本節衝突時，以本節為準。

開工前

環境：需要 Lemo-Opuscar 庫（LIB，預設 C:/Users/codex/lemo-opuscar）裏的渲染器、core/audio/sfx.py、.venv 裏的 Python，以及 Node.js、FFmpeg 和可用的 shell。先核實路徑與依賴；缺失時說明具體缺項，按可用的安裝說明處理，不假定另一個技能已安裝。做完的工作目錄是使用者的素材目錄下的新專案資料夾（例：D:\zgc個人\作品舊島\codex-skill-koubo），不是技能目錄。
要使用者給齊四樣：配音 mp3、文案（每句一行 + 想要高亮的詞）、好素材（真實片段，越具體越好：片子名 + 大致時間點）、反面素材（效果差的片段，例：minimax/kling 生成的）。缺什麼先問，別自己找素材冒充。
Claude 先製作分鏡圖和視覺樣張，由使用者確認後再推進。樣張至少覆蓋標題、資訊最密的講解框、反面示例（如有），附手機尺寸預覽。提交後停在「待使用者確認」；不能把 Claude 自審、工具校驗通過、使用者沉默或籠統的「做影片」委託當成目前分鏡確認。同一個版本已有使用者明確確認時無需重複詢問；若鏡頭內容、順序、時長或視覺風格有實質修改，重提受影響部分確認。渲染耗時以實際環境為準。

流程

專案結構（複用 examples/codex-jiangzhi/ 的資料結構，外觀按目前視覺規範重做）：

<專案>/
  assets/voice.mp3        配音
  script.json             文案：{"cues":[{"id","sec","text","hl":["高亮詞"]}]}；sec 只標在開啟該段落的句子
  storyboard/shots.json   分鏡（指令碼生成）
  layers.json             抽幀表：素材路徑 + 每層的時間軸區間
  tools/                  align.py prep_layers.py storyboard.py mix.py build.sh qa.sh（從技能 scripts/ 複製）
  index.html              渲染頁（從 examples/codex-jiangzhi/index.html 複製再改）
  frames/(每層的幀) frames.json timeline.json cues.json events.json mix.wav

先 mkdir -p <專案>/tools，把 scripts/*.py scripts/*.sh scripts/align.py 複製進 tools/。

1. 對齊配音（幾分鐘）

script.json 寫好文案和 sec 後：

cd <專案> && "$LIB/.venv/Scripts/python.exe" tools/align.py assets/voice.mp3 --model small --offset 0.8

whisper 逐詞時間 + 文案精確文字做序列對齊，寫出 timeline.json（含每句 t0/t1）和 cues.json。畫面時間點必須從這裏來——之後配音改了，重跑一次畫面自動跟上。列印的匹配率低於 ~85% 說明文案和配音差太多，回去核對。

2. Claude 製作分鏡，使用者確認後推進

按 references/storyboard-guide.md 的結構模板把配音拆成鏡頭，寫 storyboard/shots.json。
每鏡選定素材和起點，寫進 layers.json。
出圖（分鏡圖用於確認鏡頭內容；正式字號還要看渲染頁樣張，不能只憑分鏡縮圖判斷）：
```
"$LIB/.venv/Scripts/python.exe" tools/storyboard.py      # → storyboard/board_1..N.png
```
分鏡圖上有全片色帶、每鏡縮圖（真素材截幀）、配音原句、畫面、螢幕大字、轉場、音效，頁眉還統計講解框/反面佔比。自己用可用的圖片檢視工具先看一遍，挑出畫面和臺詞對不上的鏡頭換素材重出。
Claude 把 board 圖及代表性視覺樣張提交給使用者，使用者確認是推進關卡（時長、素材、文案、配色、字號）。可僅為本次審閱按第 4 步實現必要樣張，不能先製作正式全片。明確目前分鏡版本並等待使用者反饋；有修改就更新後重提，使用者明確確認後才進入後續正式製作。

3. 抽幀

"$LIB/.venv/Scripts/python.exe" tools/prep_layers.py     # → frames/<層>/f0001.jpg… + frames.json

每層 = 一個鏡頭的畫面：靜音、裁 16:9、按速度換算好、24 fps，第 i 幀對應時間軸 t0 + i/24 秒，尾巴多 0.5 秒給轉場。四種尺寸：full 1920×1080 / card 960×540 / bg 480×270（先模糊，頁面裏放大更軟）/ inset 640×360。幾千張 jpg 靠頁面按需載入，別一次性 load。

4. Claude 實現 index.html

複製 examples/codex-jiangzhi/index.html 的工程骨架，先按 references/render-engine.md 和 references/visual-style.md 完成舊模板遷移：

保留：繪圖基礎、cover、字幕、幀按需載入、async render 骨架和配音時間對映。標籤、進度條、卡片和標題樣式按新規範調整。
停用舊效果呼叫：rgbSplit、slices、動態 pixel、wflash、shutter、整幀 shake 與 2 幀插黑；同步移除專為這些效果配置的音效。反面段落保留原素材的正常時間順序。
重寫：段落節拍物件、講解動畫場景、BAD[n]/OVER[n]、HITS、轉場時間點、素材鍵 → 角標名。
所有時間點用 T('cue id') 取，不寫死秒數。
音效在場景裏用 E(t, 'hit'|'whoosh'|'tick'|'stamp'|'ding'|'pop'|'clack'|'zap'|'boom', {...}) 記事件。

改完先抽幾張靜幀確認沒報錯：

cd "$LIB" && node core/render/still.mjs "<專案絕對路徑>" 0.5 11.2 20.5 47.7 93.3 --out "<專案>/stills/chk"
"$LIB/.venv/Scripts/python.exe" "$LIB/core/render/sheet.py" <專案>/stills/chk/sheet.jpg <專案>/stills/chk/*.png --cols 4 --w 480

用目前可用的圖片檢視工具開啟總覽圖檢查畫面、字幕、角標、講解框比例，並檢查 640×360 和約 390×219 的單張整幀預覽；不要放大後才判斷字能否讀清。資訊最密的鏡頭必須檢查，不對就減字、拆鏡或放大主體後重抽。靜幀通過後，動態預覽轉場和反面段落，確認沒有閃屏、抖動或字幕閃爍。

5. 使用者確認後，由 Claude 渲染與合片

先核對使用者已明確確認目前分鏡版本；沒有該確認就停在分鏡審閱環節。Claude 的審美自審和程式檢查均不替代這一步。

sh tools/build.sh <成片名>            # 一條龍：events → mix → video → mux → srt → 品管

它分步做的其實就是：

cd "$LIB" && node core/render/events.mjs "<專案>"                                  # 畫面裏的音效事件 → events.json
"$LIB/.venv/Scripts/python.exe" tools/mix.py --out mix.wav                        # 人聲 + 音效（要配樂才加 --bgm）
cd "$LIB" && node core/render/video.mjs "<專案>" --fps 24 --workers 5 --out "<專案>/video_<名>.mp4"
sh "$LIB/core/render/mux.sh" video_<名>.mp4 mix.wav <名>.mp4 24 0                  # −14 LUFS，向量畫面不加顆粒
"$LIB/.venv/Scripts/python.exe" "$LIB/core/render/srt.py" cues.json <名>.srt

渲染耗時以本機實際結果為準。每次 --out 用不同檔名（渲染器有鎖檔案，同名會擋住）。

6. Claude 品管，然後交付

sh tools/qa.sh <名>.mp4 列印編碼/時長、黑場清單、響度，並生成抽幀總覽 qa/sheet.jpg。逐條核對：

黑場：只允許已設計的開場/收尾漸變等；不把 2 幀插黑、快門或閃黑當預設轉場。意外黑幀需檢查素材載入和元素進場時間。
響度：約 −14 LUFS，峰值 ≤ −1 dB。
抽幀總覽：自己從頭看一遍，字幕和畫面對得上、貼紙位置不擋臉。
視覺與手機可讀性：按 references/visual-style.md 驗收調色盤、紅色語義、統一字型、實際字號、字幕安全區以及手機尺寸整幀。
動態舒適度：播放所有轉場和反面段落；稀疏抽幀和 blackdetect 不能證明沒有白閃或故障閃爍。最後用目前環境可用的附件/連結方式交付 mp4 / srt / 海報，並說清哪些素材用在了哪一句、實際完成了哪些檢查；不要假定存在 report_artifacts 工具。

硬性注意

同一錯誤連續出現兩次就停下報告，不要反覆重試；網路異常不要重複提交收費任務。
樣片一律靜音；沒有使用者同意不要用帶原聲的片段。
微軟雅黑沒有 ✗ ⇢ ↘ 字形，會畫成方框——用 × → ↓。
分鏡由使用者最終確認，未確認不得推進正式渲染與後續製作；使用者改文案就重跑 align.py，別手改 timeline.json。影響已確認分鏡時重提受影響部分確認。
用實際可用的檢視工具看圖片再下結論；沒看過影片就註明依據是哪些時間碼的抽幀，不能把靜幀檢查說成全片動態檢查。

參考

視覺規範 — 每次必讀：字型、配色、手機可讀性、低刺激動效與驗收
模型協作 — Claude / DeepSeek / GPT 分工、交接、Cherry 與 Codex 執行邊界
references/render-engine.md — index.html 分層、各鏡頭型別實現、幀按需載入、坑
references/storyboard-guide.md — 結構模板、選鏡頭規則、反面樣片用法、轉場音效配方、shots.json 寫法
examples/codex-jiangzhi/ — 《難道 Codex 真的降智了？》歷史 v2：僅參考工程結構與敘事；舊配色、小字、故障和閃屏不能直接沿用
scripts/ — align.py（配音對齊）、prep_layers.py（抽幀）、storyboard.py（分鏡圖）、mix.py（混音）、build.sh（一條龍）、qa.sh（品管）

類口播講解影片